Preparation

Instalasi Package

Langkah ini adalah langkah yang wajib dilakukan agar fungsi dari EBImage itu dapat diakses dengan R Studio.

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("EBImage")
## Bioconductor version 3.12 (BiocManager 1.30.10), R 4.0.3 (2020-10-10)
## Installing package(s) 'EBImage'
## package 'EBImage' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\MasikDev\AppData\Local\Temp\Rtmp2xj3Xv\downloaded_packages
## Installation path not writeable, unable to update packages: boot, class,
##   cluster, codetools, foreign, KernSmooth, MASS, Matrix, mgcv, nlme, nnet,
##   spatial, survival
## Old packages: 'BiocManager', 'packrat', 'RCurl', 'tiff', 'tinytex', 'xfun'

Set Lokasi Kerja

#set lokasi kerja
setwd("D:/R/DUA/EBImage Advance/")

Memanggil Package

Memanggil package yang sudah diinstall di tahap 1, yaitu package EBImage.

#memanggi package
library(EBImage)

Import Gambar

Disini kita perlu melakukan assign (import)pada fungsi readImage dengan judul photo yang sudah ditaruh di folder set kerja dan memberinya nama misal MyPhoto.

Image <- readImage('MyPhoto.jpg')

Basic Operation

Disini kita bisa melakukan operasi-operasi dasar, seperti menampilkan gambar, histsogram gambar ,writing.

Display Image

Method Browser

img = readImage("MyPhoto.jpg")
display(img, method="browser")

Display Image

display(img)

colorMat = matrix(rep(c("red","green", "#0000ff"), 25), 5, 5)
colorImg = Image(colorMat)
colorImg
## Image 
##   colorMode    : Color 
##   storage.mode : double 
##   dim          : 5 5 3 
##   frames.total : 3 
##   frames.render: 1 
## 
## imageData(object)[1:5,1:5,1]
##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    0    0    1    0
## [2,]    0    1    0    0    1
## [3,]    0    0    1    0    0
## [4,]    1    0    0    1    0
## [5,]    0    1    0    0    1
display(colorImg, interpolate=FALSE)

nuc = readImage(system.file("images", "nuclei.tif", package="EBImage"))
display(nuc, method = "raster", all = TRUE)

nuc = readImage(system.file("images", "nuclei.tif", package="EBImage"))
display(nuc, method = "raster")
## Only the first frame of the image stack is displayed.
## To display all frames use 'all = TRUE'.

Histogram Gambar

Histogram gamabr adalah suatu grafik yang akan menahistmpilkan banyak hal bisa berupa kecerahan (brightness), kontas (contrast), warna (color) dari sebuah gambar.

hist(Image)

Sifat Gambar

Disini kita bisa menampilkan sifat gambar berupa matriks.

print(img)
## Image 
##   colorMode    : Color 
##   storage.mode : double 
##   dim          : 4160 2340 3 
##   frames.total : 3 
##   frames.render: 1 
## 
## imageData(object)[1:5,1:6,1]
##           [,1]      [,2]      [,3]      [,4]      [,5]      [,6]
## [1,] 0.7764706 0.7764706 0.7764706 0.7803922 0.7764706 0.7725490
## [2,] 0.7686275 0.7686275 0.7686275 0.7764706 0.7764706 0.7725490
## [3,] 0.7686275 0.7647059 0.7647059 0.7725490 0.7764706 0.7764706
## [4,] 0.7764706 0.7686275 0.7647059 0.7686275 0.7725490 0.7803922
## [5,] 0.7803922 0.7725490 0.7686275 0.7725490 0.7764706 0.7803922

Typography

Disini kita bisa menambahkan text pada gambar kita. Lokasi text bisa disesuaikan posisinya menggunakan koordinat x,y.

display(img)
text(x = 750, y = 6, label = "Never Give Up!", adj = c(0,1), col = "white", cex = 2)
text(x = 749, y = 3, label = "Never Give Up!", adj = c(0,1), col = "navy", cex = 2)

Image Representation

Image Data

Disini kita bisa menggunakan fungsi yang ada di dalam library EBImage untuk menyimpan maupun memproses gambar. Semua fungsi yang ada di dalam EBImage dapat dipanggil berupa matrix dan array.

str(Image)
## Formal class 'Image' [package "EBImage"] with 2 slots
##   ..@ .Data    : num [1:4160, 1:2340, 1:3] 0.776 0.769 0.769 0.776 0.78 ...
##   ..@ colormode: int 2

Array Image

Kita juga bisa menampilkan gamber tersebut berupa Array

dim(Image)
## [1] 4160 2340    3

Image Data Summary

Disini kita bisa menampilkan data-data penting dari gambar kita. Untuk menampilkannya senditi yaitu dengan menuliskan nama objek gambarnya saja

Image
## Image 
##   colorMode    : Color 
##   storage.mode : double 
##   dim          : 4160 2340 3 
##   frames.total : 3 
##   frames.render: 1 
## 
## imageData(object)[1:5,1:6,1]
##           [,1]      [,2]      [,3]      [,4]      [,5]      [,6]
## [1,] 0.7764706 0.7764706 0.7764706 0.7803922 0.7764706 0.7725490
## [2,] 0.7686275 0.7686275 0.7686275 0.7764706 0.7764706 0.7725490
## [3,] 0.7686275 0.7647059 0.7647059 0.7725490 0.7764706 0.7764706
## [4,] 0.7764706 0.7686275 0.7647059 0.7686275 0.7725490 0.7803922
## [5,] 0.7803922 0.7725490 0.7686275 0.7725490 0.7764706 0.7803922

Color Management

colorMode(Image) <- Grayscale
display(Image)
## Only the first frame of the image stack is displayed.
## To display all frames use 'all = TRUE'.

display(colorImg, interpolate=FALSE)

Manipulating Image

Negative Image

img_neg = max(img) - img
display( img_neg )

Brightness Image

img_comb = combine(
  img,
  img + 0.4,
  img * 3,
  img ^ 0.5
)

display(img_comb, all=TRUE)

Transpose Image

img_t = transpose(img)
display( img_t )

Spatial Transformation

Translate adalah dimana kita memindahkan bidang gambar dengan vektor dua dimensi yang sudah ditentukan, sehingga piksel yang masuk ke dalam area gambar disetel ke latar belakang dan piksel yang berada di area luar gambar dipotong.

img_translate = translate(img, c(150,-70))
display(img_translate)

Imagetr <- translate(rotate(Image, 45), c(50, 0))
display(Imagetr)
## Only the first frame of the image stack is displayed.
## To display all frames use 'all = TRUE'.

Disini kita bisa melakukan resize pada gambar kita

img_resize = resize(img, w=450, h=450)
display(img_resize )

Disini kita juga bisa melakukan pencerminan terhadap gambar kita

img_flip = flip(img)
img_flop = flop(img)

display(combine(img_flip, img_flop), all=TRUE)

Filtering

Disini kita dapat memberikan sebuah filter pada gambar kita.

Linear, Median, Morphological, High Filtering

High Pass Filtering

fhi = matrix(1, nrow = 3, ncol = 3)
fhi[2, 2] = -8
img_fhi = filter2(img, fhi)
display(img_fhi)

Linear Filtering

w = makeBrush(size=31, shape='gaussian', sigma=5)
plot(w[nrow(w)+1/2, ], ylab="2", xlab="", cex=0.7)

img_flo = filter2(img, w)
display(img_flo)

Median Filtering

l = length(img)
n = l/10
pixels = sample(l, n)
img_noisy = img
img_noisy[pixels] = runif(n, min=0, max=1)
display(img_noisy)

Morphological Operation

shapes = readImage(system.file('images', 'shapes.png', package = 'EBImage'))
logo = shapes[110:512,1:130]
display(logo)

kern = makeBrush(5, shape='diamond')
display(kern, interpolate=FALSE)

logo_erode= erode(logo, kern)
logo_dilate = dilate(logo, kern)

display(combine(logo_erode, logo_dilate), all=TRUE)

Image Manipulation

Disini kita bisa membuat gambar inti dan badan sel. Untuk memvisualisasikan sel, dengan melapisi gambar-gambar ini sebagai saluran hijau dan biru dari gambar berwarna palsu.

nuc = readImage(system.file('images', 'nuclei.tif', package='EBImage'))
cel = readImage(system.file('images', 'cells.tif', package='EBImage'))

cells = rgbImage(green=1.5*cel, blue=nuc)
display(cells, all = TRUE)

Hal pertama yang harus dilakukan adalah segmentasi menggunakan thresh, fillHull, bwlabel dan opening.

nmask = thresh(nuc, w=10, h=10, offset=0.05)
nmask = opening(nmask, makeBrush(5, shape='disc'))
nmask = fillHull(nmask)
nmask = bwlabel(nmask)

display(nmask, all=TRUE)

Selanjutnya, kita gunakan inti tersegmentasi sebagai benih dalam segmentasi Voronoi dan sitoplasma

ctmask = opening(cel>0.1, makeBrush(5, shape='disc'))
cmask = propagate(cel, seeds=nmask, mask=ctmask)

display(ctmask, all=TRUE)

Terakhir, kita visualisasikan segmentasi pada objek, menggunakan paintObject

segmented = paintObjects(cmask, cells, col='#ff00ff')
segmented = paintObjects(nmask, segmented, col='#ffff00')

display(segmented, all=TRUE)